Hierarchické shlukování dat z případové studie

Cílem tohoto cvičení je provést hierarchické shlukování pozorování. Jak sis zapamatoval/a z kapitoly 2, tento typ shlukování nepředpokládá předem stanovený počet přirozených skupin v datech.

Jako součást přípravy na hierarchické shlukování se vypočítají vzdálenosti mezi všemi dvojicemi pozorování. Existují také různé způsoby, jak spojovat shluky dohromady – nejběžnějšími metodami propojení jsou single, complete a average.

Toto cvičení je součástí kurzu

Unsupervised Learning in R

Zobrazit kurz

Pokyny k cvičení

V pracovním prostoru máš k dispozici proměnné, které jsi vytvořil/a dříve: wisc.data, diagnosis, wisc.pr a pve.

Normalizuj data wisc.data pomocí funkce scale() a výsledek ulož do data.scaled.
Vypočítej (euklidovské) vzdálenosti mezi všemi dvojicemi pozorování v nové normalizované sadě dat a výsledek ulož do data.dist.
Vytvoř model hierarchického shlukování s metodou complete linkage. Ručně nastav argument method funkce hclust() a výsledek ulož do wisc.hclust.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Scale the wisc.data data: data.scaled


# Calculate the (Euclidean) distances: data.dist


# Create a hierarchical clustering model: wisc.hclust

Upravit a spustit kód